基于时空隔离原则的列车控制软件集成方法的研究

针对CTCS-3设备硬件资源浪费、通信复杂和容易出故障的问题,参考ARINC 653标准中时空隔离的思想,目的是实现一台设备集成多台设备的功能,提高设备效率和可靠性.文中运用两级调度结构,根据VXWORKS操作系统的特性计算程序运行时间,确定隔离时间和周期;运用开发平台工具测量单个任务所需内存,确定隔离内存大小.用实例验证本方法的正确性.     

编组站运输能力自动计算系统的研究

本文介绍编组站运输能力自动计算系统,该系统采用数据挖掘技术—决策树C4.5算法,从编组站综合自动化(SAM)系统数据库丰富的数据信息中自动筛选、汇总能力计算所需数据,自动建立符合当前编组站实际情况的能力自动计算体系,按照预先设置的能力计算单位时间,自动计算编组站全站能力或单项设备能力.最终通过人机界面以图表方式显示能力计算及查询结果,为编组站技术装备的管理和运营组织方式的调整提供更加丰富、客观的数据依据.     

混沌微粒群算法在离散型生产调度中的应用

本文基于离散型生产调度问题的定义、约束条件,建立了相应的数学模型,针对微粒群算法后期容易陷入局部最优解且收敛速度慢的特点,提出了混沌的微粒群算法.详细介绍了混沌微粒群算法在离散型生产调度的优化流程,并将该算法用于实际项目,进行优化求解,与基本的微粒群算法对比得出更好的结果,验证了混沌微粒群算法的优越性.     

自动化仓库的出入库能力分析

利用遗传算法确定了自动化仓库的动态拣选货位,采用多质点重心法获得了堆垛机的动态待命位,在此基础上,利用堆垛机的加速和减速曲线,得到堆垛机在自动化仓库中的平均作业时间,最终获得自动化仓库的出入库能力为121托盘/小时.     

并联基础隔震体系多目标优化研究

隔震性能评价是并联基础隔震研究的重要内容,在多目标优化的理论框架下,进行了并联基础隔震体系地震反应优化研究。隔震反应目标包括上部结构最大层间剪力和隔震层最大位移,隔震层决策变量为屈服系数、名义周期和阻尼比。优化的约束条件为上部结构层间剪力不均匀系数在0．85—1．00之间。针对一特定结构,通过NSGA—Ⅱ算法分别进行有约束和无约束条件下的多目标优化研究。研究给出了并联基础隔震多目标优化Pareto最优前沿的一般特征及相关量之间的关系。     

城市轨道交通与驻站常规公交衔接调度优化研究

针对目前城市轨道交通与常规公交衔接难问题,本文从运营成本费用与出行者的出行费用最小化出发,对驻站常规公交协调发车间隔进行优化,建立城市轨道交通与驻站常规公交系统之间的衔接调度组合优化数学模型,并设计遗传模拟退火算法对该模型进行求解,通过多次仿真运算,结果分析表明该模型及算法的有效性和实用性。     

基于混沌优化的港口集装箱运输网络优化

随着集装箱船舶大型化的发展,航运公司势必会尽可能的选择科学、合理的航线,以实现大型集装箱船的规模效益,降低单箱运输成本,从而获得更大的效益。这样集装箱港口出现了枢纽港与支线港的分离。本文以体现大型集装箱船的规模效益为前提,尝试将混沌优化这一理论应用到港口运输网络的优化中,寻找合理的港口集装箱运输线路及服务频率,为我国港口集装箱运输提供决策依据。     

提高船舶操纵模拟器视景成像效率的算法设计

本文介绍了在船舶模拟器开发设计中采用的提高视景成像效率的算法。特殊代码设置使得物标和图素与视域交界面的判断简便易行,利用物标裁剪预处理减轻了图素裁剪的计算量;通过简化的面方向判断计算和深度排序法改进了隐藏面消除的处理速度     

高速铁路接触网悬挂系统维修计划的优化研究

将高速铁路接触网系统的维修方式分为3类,根据不同维修方式下系统的可靠性和维修费用不同的特点,建立不同维修组合下接触网系统的动态可靠性模型和维修费用模型。为实现提高接触网系统的可靠性并降低维修费用的目标,提出一种混沌自适应进化算法(CSEA)来求解这一多目标优化问题。该算法的混沌初始种群算子提高了初代种群的多样性,分组选择策略保证各代有一定数量的劣势个体能参与进化,自适应遗传算子增加了劣势个体的交叉和变异概率,从而避免算法早熟,增强了算法的全局搜索能力。计算结果表明,CSEA在种群多样性保持和帕累托(Pareto)最优解收敛方面均优于流行的NSGA-Ⅱ多目标算法。采用CSEA算法得到的优化维修计划,可显著提高接触网系统的可靠性,也大幅度降低维修费用。将本文多目标优化算法与传统的单目标优化算法进行比较,验证了多目标优化算法的优越性。     

Kernel Factor Analysis Algorithm with Varimax

Kernal factor analysis （KFA） with vafimax was proposed by using Mercer kernel function which can map the data in the original space to a high-dimensional feature space, and was compared with the kernel principle component analysis （KPCA）. The results show that the best error rate in handwritten digit recognition by kernel factor analysis with vadmax （4.2%） was superior to KPCA （4.4%）. The KFA with varimax could more accurately image handwritten digit recognition.